열화상카메라를 이용한 블랙아이스 특성 연구

Characteristics of Black Ice Using Thermal Imaging Camera

Abstract

In this study, a study was conducted to develop a system for predicting/responding to black ice occurring on roads in winter. Tests conditions were studied by making models of cement concrete pavement and asphalt concrete pavement. In order to freeze water on the manufactured model package, an tests was conducted at a temperature below zero using a freezer, and the freezing process was photographed using a thermal imaging camera. Black ice is generated when water is present on the road surface and the temperature is below freezing or the road surface temperature is below the dew point temperature. Under sub-zero conditions, the pavement, water, and ice were classified with a thermal imaging camera. As a result of the tests, it was possible to distinguish with a thermal imaging camera at a temperature below freezing in the same freezer due to the difference in the emissivity of the packaging, water, and ice. In the process of changing from water to ice during the tests, it was analyzed that ice and water were clearly distinguished by the thermal imaging camera due to the difference in emissivity and reflectance, so black ice could be predicted using the thermal imaging camera.

1. 서론

겨울철 터널 입/출구부, 교량, 그늘진 도로구간 등에서 발생되는 블랙아이스(도로 결빙)은 젖은 노면의 색과 비슷하여 도로상에 발생된 결빙을 운전자가 발견하지 못해 대형 사고로 이어지는 겨울철 도로상에서 발생되는 대표적인 재난/안전사고이다. 블랙아이스라는 용어는 검은색 얼음이라는 뜻으로 도로 노면상에는 차량의 매연, 먼지 등의 이물질이 많이 존재하여 이물질과 물이 함께 얼면서 검은색으로 변하게 되는데, 이러한 도로상의 결빙 현상을 블랙아이스라고 하게 되었다.

대표적인 블랙아이스 사고는 상주-영천고속도로 에서 발생된 블랙아이스 사고로 현장 사진은 Fig. 1과 같다. 2019년 12월 상주-영천 고속도에서 발생된 블랙아이스 사고로 부상 42명, 사망 7명의 피해가 발생되었다[1]. 블랙아이스 사고는 결빙구간을 운전자가 파악하지 못하기 때문에 대형 사고로 이어지는 겨울철 대표적인 도로 안전사고이다.

Fig. 1 Sangju-Yeongcheon accident[1]

블랙아이스는 각종 센서와 장비, 소프트웨어 등으로 예측/대응이 가능하지만, 기존 블랙아이스 예측시스템으로 정확히 예측하기 위해서는 고가의 장비가 필요하다. 기존 고가의 블랙아이스 예측 장비는 좁은 공간과 근거리(약 10m이내)에서 측정이 가능하기 때문에 비용대비 효율이 낮은 단점이 있어 블랙아이스에 대한 예측시스템으로 현장적용은 어려움이 있다.

본 연구에서는 열화상카메라 기반 블랙아이스 예측/대응시스템 개발을 위한 연구를 수행하였다. 예측/대응시스템 개발에 앞서 열화상카메라를 이용하여 노면에 발생하는 블랙아이스 예측 가능성 에 대해 실내 실험을 통해 분석하였다. 실험에서는 시멘트 콘크리트포장과 아스팔트 콘크리트포장 에 대해 실험하였다. 실험과정은 열화상카메라로 촬영하여 물이 어는 과정을 측정하였다. 측정한 결과를 토대로 물과 얼음, 노면의 구분 가능성을 영상으로 분석하였으며, 분석 결과를 토대로 블랙 아이스 예측/대응시스템을 개발하였다.

2. 연구방법 및 문헌고찰

2.1 문헌고찰

기존 블랙아이스에 대한 연구는 생성원인, 시스템 개발, 예측 기술, 대응 기술 등의 다양한 연구가 수행되었다. 블랙아이스 생성에 대한 연구로 도로 구간에 따라 터널, 교량, 그늘진 구간 등에서 발생되는 블랙아이스 연구와 시간, 기후조건 등에 따라 생성되는 연구가 수행되었다. 시스템에 대한 개발 연구는 온ㆍ습도 센서를 기반으로 하 는 연구, 예측/대응시스템 개발 연구가 주로 수행 되었다.

선진국의 경우 1980년대부터 블랙아이스에 대한 연구가 활발히 진행되었으며, 실용화된 시스템이 현장에서 활용되고 있다. 미국의 경우 액체 분사 방식의 결빙방지 장치를 이용하여 블랙아이스를 제거함으로써 블랙아이스 사고 대응 기술을 적용하였다. 일본에서는 고정형 노면 상태 예측시스템과 이동식 예측시스템 개발 연구가 주로 수행중이다[2].

국내의 경우는 도로 결빙 감지를 위해 다양한 센서를 활용한 예측시스템 연구가 진행 중이다. 기존 연구에서 예측시스템은 온ㆍ습도 센서, 강수 ㆍ강우 센서, 도로 표면에 온도를 측정하여 빙점을 탐지하는 방식의 노면 결빙 감지기, 도로 온도 /저항을 측정하는 감지기 등을 이용한 예측시스템이 주로 연구되었으나, 아직까지 실효성을 거두지 못하고 있다[3].

블랙아이스가 자주 발생되는 교량구간에 온ㆍ습 도 센서, Zigbee 무선 통신 등을 활용한 시스템 개발 연구도 진행되었다[4]. 이 시스템의 경우 센서 기반의 예측시스템으로 점 단위의 좁은 공간의 블랙아이스가 예측되기 때문에 넓은 공간에 설치하기 위해서는 많은 비용이 필요한 단점이 있다.

겨울철 노면 결빙이 발생되는 원인에 대한 기존 연구는 노면이 결빙되는 주요 원인은 노면이 강우, 적설로 인해 젖은 상태에서 노면 온도가 0℃ 이하로 떨어지는 것을 첫 번째 원인으로 분석하였다. 국내의 경우 영하로 떨어지는 이유는 낮 은 위도로 눈이 쉽게 녹기 때문이며, 연구에서 주로 도로 결빙이 발생되는 원인으로 Fig. 2의 현상 을 제안하였다. 다른 원인으로는 도로의 지형 특성으로 발생된다고 분석하였다. 국내의 경우 산악 지형이 많아 평지보다 온도가 낮은 지형이 다수 존재하기 때문에 터널 입ㆍ출구부 교량 위에서 도 로 결빙이 자주 발생한다고 제안하였다[5].

Fig. 2 Main causes of frozen road in South Korea[5]

미국의 FHWA에서는 Fig. 3과 같이 ESS시스템 을 통한 센서 기반의 도로상황모니터링 시스템을 운영중이다. 이 시스템은 센서 기반으로 오작동 및 내구성이 떨어지는 단점이 있다[6].

Fig. 3 Environmental sensor station(ESS) operational applications[6]

블랙아이스에 대한 기존 연구는 주로 원인 분석 연구와 센서 기반의 예측 기술 개발이 대부분으로 정확한 예측이 어려워 대부분 도로가 결빙된 후 결빙구간을 제거하는 대응 기술 개발이 대부분이었다. 최근 들어 정밀한 센서 기반의 블랙아이스 예측 시스템이 개발되었으나, 좁은 공간에서만 블랙 아이스 예측이 가능하기 때문에 비용과 효율이 떨어지는 단점이 있다.

2.2 연구 방법

본 연구는 Fig. 4와 같이 도로 노면에서 발생되는 블랙아이스 특성을 분석하기 위한 실내 실험 연구를 수행하였다. 도로의 노면은 시멘트 콘크리트 포장과 아스팔트 콘크리트포장 2가지 경우를 가 정하였다.

Fig. 4 Flow chart of research performance

실험에 적용된 포장 종류에 따라 열화상카메라 를 이용하여 노면에서 물이 어는 과정을 촬영했으며, 방사율은 물의 방사율인 0.98을 적용하였다. 실험에 앞서 시멘트와 잔골재를 이용하여 시멘트 콘크리트포장 모형과 아스팔트 콘크리트포장 모형 을 제작하였다. 제작된 모형에 물이 고이도록 처리하여 실험하였으며, 영하 이하의 온도 조건을 만족하기 위해 냉동고를 이용하여 실험하였다.

본 연구에서의 최종 목표는 열화상카메라 기반의 블랙아이스 예측/대응시스템이며, 예측된 상황에 따라 대응시스템에 신호를 전송하는 통합시스템 개발을 목표로 한다. 개발된 시스템의 경우 Fig. 5와 같이 열화상카메라를 기반으로 하며, 온ㆍ습도 센서, 강우 센서, 기상청 자료 등을 활용하여 시스템이 구성된다. 시스템에 적용된 센서는 블랙아이스 생성조건 분석을 위한 기초 자료로 활용된다.

Fig. 5 System configuration diagram

최종 개발된 시스템에서는 도로상의 물이 존재하는 경우 노면의 온도와 영상을 열화상카메라로 측정하여 결빙을 감지하며, 현장 기후조건에 따라 이슬점 온도를 온ㆍ습도계와 열화상카메라로 파악하여 블랙아이스를 예측하게 된다. 기존 센서 기반 블랙아이스 예측시스템의 공간과 거리 등의 문제점을 개선하기 위해 열화상카메라 렌즈의 종류와 해상도에 따라 최대 2km 이내 반경의 도로를 감지할 수 있도록 설계되어 겨울철 블랙아이스 예측에 최적화된 시스템으로 개발되었다. 이 시스템은 기존 시스템에 비해 블랙아이스 예측 범위가 넓을수록 경제적인 장점이 있다.

2.3 실험 계획

본 연구에서는 열화상카메라 기반 블랙아이스 예측/대응시스템 개발을 목표로 열화상카메라를 이용하여 동일한 외부조건(온도, 습도 등)에서 노면과 물, 얼음의 재료가 열화상 영상 화면상에서 구분 여부에 대한 선행연구를 수행하였다.

실험에 사용된 노면은 Fig. 6과 Fig. 7의 시멘트 콘크리트포장과 아스팔트 콘크리트포장을 적용 하였다. 사각틀에 시멘트 콘크리트와 아스팔트 콘크리트를 양생하여 모형을 형성하였다. 포장 모형 표면에 물이 고이는 것을 모사하기 위해 콘크리트 연마기를 이용하여 원형 모양으로 포장 표면을 처리하여 물이 고이도록 하였다.

Fig. 6 Conditions of cement concrete pavement

Fig. 7 Conditions of asphalt concrete pavement

노면에 고인 물이 결빙되도록 영하 이하의 온도 조건을 만들기 위해 Fig. 8의 냉동고를 이용하였으며, 냉동고는 영하 20℃까지 온도 설정이 가능하였다. 실험에서는 시멘트 콘크리트 포장과 아스팔트 콘크리트 포장 각각에 대해 실험하였으며, 영상의 조건에서 노면에 물을 부은 후 영하 10℃까지 5분마다 1℃씩 감소하며, 실험하였다.

Fig. 8 Freezer view

본 연구에서 개발되는 시스템은 열화상카메라가 주요 변수로 열화상카메라는 사양과 경제성이 비교적 우수한 국산 열화상카메라를 연구에 적용하였다. 적용된 열화상카메라는 Table 1과 같이 국내에서 제작된 TBT사 열화상카메라를 이용하였다. 출력 해상도는 1280*720의 HD급이며, 카메라 렌즈는 35mm를 적용하였다. 35mm렌즈의 경우 최 대 온도감지거리는 약 600m이상 가능하다.

Table 1. Thermal imaging camera specifications

Fig. 9는 냉동고에 시멘트 콘크리트포장과 아스팔트 콘크리트포장 모형을 이용한 실험 전경이다. 삼각대를 이용하여 열화상카메라를 고정한 후 포 장 종류에 따라 동일한 조건으로 실험하였다. 포장의 경우 냉동고 내에서 온도를 5분에 1℃씩 낮추더라도 포장 두께가 10cm이상으로 내부까지 온도가 떨어지지 않아 영하 이하의 온도에서 노면상 의 물이 얼지 않는 것을 방지하기 위해 실험 전 모형을 냉동고에 충분히 방치하여 온도를 낮춘 후 실험하였다. 영상 5℃에서 영하 10℃까지 실험하였으며, 실험 결과는 Fig. 10의 노트북으로 영상을 수집, 분석하였다.

Fig. 9 Thermal imaging camera used in the test

Fig. 10 Test recording using a thermal imaging camera

3. 실험 결과 분석

본 연구에서는 블랙아이스 발생 특성을 분석하기 위해 열화상카메라를 이용한 영상분석 연구를 실시하였다. 포장은 시멘트 콘크리트포장과 아스팔트 콘크리트포장으로 실험하였다. 2가지 포장에 대해 냉동고에 열화상카메라와 모형을 설치한 후 노면상에 물이 어는 과정을 영상 5℃에서 영하 10℃의 조건으로 실험하였다. 온도별 실험 영상을 수집하여 분석하였으며, 결과는 다음과 같다.

3.1 시멘트 콘크리트 포장

시멘트 콘크리트포장의 실험 전경은 Fig. 11과 같다. Fig. 11(a)는 실험이 완료된 상태의 광학 영 상으로 포장내 물이 고인 부분에 얼음이 언 것을 확인할 수 있다. Fig. 11(b)는 시멘트 콘크리트포 장 모형과 열화상카메라가 설치된 실험 전경이다. 실험은 시멘트 콘크리트포장 표면에 물을 부은 후 냉동고 온도를 1℃씩 낮추어 실시하였다. 각 온도 조건에서 열화상카메라로 포장 노면을 측정하였으며, 열화상카메라의 영상 표현은 흑백 화면으로 촬영하였다. 다른 형태의 영상 표현방식보다 선명한 화질로 영상을 획득할 수 있어 흑백 화면으로 영상을 촬영하였다. 열화상 영상에서 물이 얼음으로 변화하는 영상 화면을 기준으로 블랙아이스 발생 특성을 분석하였다.

Fig. 11 Cement concrete pavement test view

실험을 통해 촬영된 영상 화면은 Fig. 12와 같다. Fig. 12(a)는 포장 노면에 물을 부은 후의 화면이다. 온도가 높은 구간은 흰색으로 낮은 구간은 검은색으로 표현되도록 영상을 설정하여 촬영하였다. 포장 표면온도보다 높은 물은 흰색으로 나타나며, 비교적 온도가 낮은 포장은 어두운색으로 표현 되어 물과 포장의 구분은 명확하게 표현되었다.

Fig. 12 Result of cement concrete pavement

Fig. 12(b)는 냉동고 온도가 1℃씩 감소되면서 물 온도가 포장과 같은 온도로 떨어진 상태의 영상 화면이다. 방사율과 반사율이 시멘트 콘크리트 포장과 물이 차이가 있어 열화상카메라로 측정된 표면온도가 물이 낮게 표현되었다. 외부에서 유입된 물 온도가 높게 나타난 Fig.12(a)와 비교하면, 외부에서 온도차가 큰 물이 유입되면, 물과 포장 의 온도 차이가 있어 물의 유입을 확인할 수 있다. 이후 겨울철 영하 이하의 온도에서 물의 온도가 떨어져 포장과 같은 온도 상태로 존재하는 경우가 Fig.12(b)의 상태로 블랙아이스가 발생되기 전에는 열화상카메라 영상으로 노면과 물을 구분할 수 있는 특징이 있었다.

이 결과는 도로 노면상에 발생되는 블랙아이스 예측과정에서 물이 존재하는 구간과 포장을 정확히 구분되어야 블랙아이스를 예측이 가능하다는 가정을 만족하기 때문에 중요한 연구 결과라 할 수 있다.

Fig. 12(c)는 포장 위의 물이 얼기 시작하는 상태의 영상이다. 포장 위에 물이 얼기 시작하는 Fig. 12(c)의 영상분석 결과물이 존재하는 구간 내에서 얼음이 얼기 시작하는 것을 구분할 수 있다. 물이 어는 과정에서의 특징은 포장, 물이 구분되는 원리와 유사하게 물과 얼음의 방사율과 반사율이 차이가 있어 물이 얼기 시작하면서 얼음의 표면온도가 올라가면서 물과 얼음 구분이 가능하였다.

Fig. 12(d)는 물이 일정 두께 이상되는 구간에서 노면의 물이 완전히 얼음으로 변한 상태의 결과이다. 포장과 얼음이 명확히 온도차를 보이며, 구분이 가능하여 겨울철 도로상에 발생되는 블랙 아이스 예측은 가능하였다.

시멘트 콘크리트 포장의 실험 결과 재료적인 차이에 의한 방사율과 반사율이 차이로 동일한 온도, 습도의 외부 조건에서 열화상카메라에서 측정 되는 표면온도 차이로 포장과 물, 얼음이 구분되어 블랙아이스 예측이 가능한 것으로 분석되었다.

3.2 아스팔트 콘크리트 포장

아스팔트 콘크리트포장의 실험 전경은 Fig. 13 과 같다. Fig. 13(a)는 실험이 완료된 상태의 광학 영상 화면이며, Fig. 13(b)는 아스팔트 콘크리트포 장 모형과 열화상카메라가 설치된 전경이다. 실험은 시멘트 콘크리트포장과 동일한 조건으로 실시 하였으며, 시멘트 콘크리트포장과 동일한 방법으로 특성이 변화하는 영상을 추출하여 블랙아이스 발생 특성을 분석하였다.

Fig. 13 Asphalt concrete pavement test view

아스팔트 콘크리트포장의 실험 영상은 Fig. 14 와 같다. Fig. 14(a)는 아스팔트 콘크리트포장 노면에 물을 부은 상태 화면이다. 표면 온도가 비교적 높은 물은 흰색, 온도가 낮은 포장은 어두운 색으로 표현되었다.

Fig. 14 Result of asphalt concrete pavement

Fig. 14(b)는 냉동고에서 일정 시간이 지난 후 포장 모형과 물이 비슷한 온도로 떨어진 상태의 영상이다. 물과 포장의 방사율과 반사율 차이로 인해 표면온도가 낮은 물과 포장은 구분이 가능하였다. 표면온도 차이가 크지 않아 영상에서 포장과 물의 구분은 Fig. 14(a)보다 명확하지 않았다.

Fig. 14(c)는 물이 얼기 시작하는 상태의 영상이다. 물과 얼음의 구분이 명확해야 블랙아이스 예측이 가능하기 때문에 물이 얼기 시작하는 상태의 영상에서 구분이 명확해야 하는 조건이 필요하다. 영상 분석 결과물이 일정 두께 이상 고인 구간에서 물이 어는 구간의 표면 온도차로 물과 얼음이 구분되었다.

물이 어는 과정의 특징은 시멘트 콘크리트 포장과 유사하게 물과 얼음의 방사율과 반사율이 차이에 의한 것으로 판단된다. 연구 결과를 블랙아이스 예측/대응시스템에 반영할 경우 얼음이 어는 것을 사전에 파악할 수 있어 얼음이 완전히 얼기 전에 대형 교통사고를 막을 수 있는 예측시스템 개발이 가능하였다.

Fig. 14(d)는 노면의 물이 완전히 얼음으로 변한 상태의 영상이다. 포장과 물, 얼음이 명확히 구분되었다.

아스팔트 콘크리트포장의 실험 결과 재료의 방사율과 반사율 차이로 포장과 얼음이 구분 가능하기 때문에 블랙아이스 사고 예측이 가능하였다.

3.3 영상분석 처리 예

Fig. 15는 시멘트 콘크리트포장의 열화상카메라 영상으로 포장과 물, 얼음 구간을 Phython 프로그램을 이용하여 분석한 결과이다. 실험 결과를 통해 향후 블랙아이스 예측 및 대응시스템에서는 육안으로 구분이 가능한 블랙아이스를 영상처리 프로그램으로 예측할 수 있도록 시스템에 반영이 필요하다.

Fig. 15 Image processing data

사람 육안으로 구분 가능한 열화상카메라 영상을 영상처리시스템으로 분석하게 되면, 국토부에서 제시한 전국에서 가장 위험한 406개소 블랙아이스 위험지구를 시스템 하나로 관리가 가능하므로 겨울철 대표적인 재난사고인 블랙아이스로 인한 대형 교통사고를 줄일 수 있을 것으로 판단된다.

5. 결론

본 연구에서는 열화상카메라를 기반으로 하는 겨울철 도로의 대표적인 재난/안전사고인 블랙아이스 예측/대응시스템 개발을 위한 포장 모형실험 연구를 수행하였으며, 결과 분석 내용은 다음과 같다.

1. 기존 블랙아이스 예측/대응시스템은 대부분 센서를 활용한 방식으로 제한된 공간에서만 예측이 가능하여 넓은 공간에 적용하기 위해서는 많은 비용이 소요되는 단점이 있다. 하지만 열 화상카메라를 활용한 시스템을 적용하면, 한 대의 카메라로 넓은 공간의 블랙아이스 예측이 가능하여 안개, 야간 등의 기상 상황에 상관없이 현장 상황을 24시간 파악이 가능하였다.

2. 모형실험 영상을 분석한 결과 포장에 물이 유입되면 포장 표면온도와 물의 온도차가 크기 때문에 물과 포장 구분이 가능하였으며, 영하 이하의 온도에서 노면과 물의 온도가 유사한 상태에서도 방사율과 반사율의 차이로 물과 포장, 물과 얼음구간의 영역 구 분이 가능하였다.

3. 시멘트 콘크리트포장과 아스팔트 콘크리트포 장의 블랙아이스 모형실험 결과 포장내로 유입되는 물과 포장이 구분되었고, 영하 이하 의 온도에서 물과 얼음이 구분되어 블랙아이스 예측시스템에 적용이 가능하였다.

4. 모형실험 결과를 통해 획득한 열화상카메라 영상을 영상처리 프로그램으로 분석한 결과 육안으로 구분이 가능하였던 포장과 물, 얼음 의 영역 구분이 가능하여 향후 블랙아이스 예 측/대응시스템 상에 적용될 경우 넓고, 많은 지역의 블랙아이스 예측이 가능하였다. 다만 본 연구의 모형실험의 경우 제한된 조건에서 수행한 연구 결과로 향후 현장에서 촬영된 결과를 통한 추가적인 연구는 필요하였다.